I. Creando nuestros datos

Primero, crearemos un vector con cada uno de los nombres de la personas y los datos de la latitus y longitud del lugar de la República Mexicana al que les gustaría viajar. Posteriormente, mediante la función rbind crearemos una matriz por columnas con los datos de las ubicaciones a las que nos gustaría viajar:

Alberto<-c(-96.6614,16.0776)
Alan<-c(-98.2394,19.3122)
Kevin<-c(-105.0023,21.5205)
Yohan<-c(-101.651944,19.573611)
viajes<-rbind(Alberto,Alan,Kevin,Yohan)
colnames(viajes)<-c("Longitud","Latitud")
viajes
##          Longitud  Latitud
## Alberto  -96.6614 16.07760
## Alan     -98.2394 19.31220
## Kevin   -105.0023 21.52050
## Yohan   -101.6519 19.57361

II. Cambiando el nombre de nuestras columnas

Una vez que hemos creado nuestra matriz de datos, cambiaremos el nombre de nuestras columnas con la función colnames:

colnames(viajes)<-c("Longitud","Latitud")
viajes
##          Longitud  Latitud
## Alberto  -96.6614 16.07760
## Alan     -98.2394 19.31220
## Kevin   -105.0023 21.52050
## Yohan   -101.6519 19.57361

III. Transformando nuestra matriz en un data.frame

Recuerda que para hacer gráficas con ggplot y mapas con qmplot necesitamos un data frame. Vamos a transformar nuestra matriz en un data.frame de la siguiente forma:

viajes<-data.frame(viajes)
viajes
##          Longitud  Latitud
## Alberto  -96.6614 16.07760
## Alan     -98.2394 19.31220
## Kevin   -105.0023 21.52050
## Yohan   -101.6519 19.57361

IV. Creando una gráfica de dispersión con nombres y puntos

Podemos crear una grafica de dispersión y usar los nombres como etiqueta si utilizamos la función ggplot junto con geom_text; además, podemos agregar puntos a nuestra gráfica con la función geom_point. Finalmente, si queremos que nuestra gráfica sea interactiva, utilizamos la función ggplotly:

dispersion<-ggplot(viajes)+geom_text(aes(Latitud,Longitud),label= rownames(viajes))+geom_point(aes(Latitud,Longitud),color= rainbow(4))
ggplotly(dispersion)

V. Creando un mapa

Para crear un mapa, utilizaremos la funcion qmplot:

qmplot(Longitud, Latitud, data=viajes, color=I(rainbow(4)))

VI. Mapa de puntos y denssidad

Podemos agregar el parámetro geom = c("point","density2d") para hacer un mapa de puntos y densidad:

qmplot(Longitud, Latitud, data=viajes, geom=c("point","density2d"))

VII. Preguntas

1.- ¿Cómo están distribuidas sus ubicaciones?

Los 4 nos encontramos bastante distantes, a simple vista tal parece que es Yohan y Alan los que mas cerca se encuentran. Y los mas lejos Kevin Y alberto.

2.- Si tuvieras que pensar en una función que pasara por todas sus ubicaciones, ¿qué tipo de función sería?

Una funcion cubica o hiperbola.

3.- ¿Consideras que graficar la ubicación de una persona en un mapa tiene un valor económico? ¿Por qué?

Sí. Tal vez en estemomento solo vemos con 4 personas, pero si lo pensamos a grande escala, y vieramos a toda la población y la forma en que esta se encuentra dispersa a lo largo de la repulica mexicana, ayudaría a visualizar cosas como, en que zonas existe mayor concentración de gente y por tanto una mayor actividad economica, en que zonas convendría invertir y cuales convendría conectar entre sí.

4.- ¿Hasta ahora qué han aprendido en el curso?

Hemos aprendido el trasladar la teoría matematica a ejercicios aplicables en R, el ejemplo mas claro es este ejercicio, donde estamos viendo teoría de conjuntos y funciones a la creación de un mapa, el conocimiento ya no solo queda en lo abstracto, sino tambien se traslada al campo de la practica.

Esta obra fue generada mediante R en November 18, 2020 y forma parte de las actividades realizadas en las materias de Matemáticas I y Taller III, Facultad de Economía, UNAM.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. Creative Commons (CC).Licencia de Creative Commons